Docker

2项目整体分为六大核心功能模块：公安预警与抓拍业务微服务模块：人脸/车辆抓拍查询、设备点位GIS检索、人员轨迹研判、布控告警、区域筛选子功能，支持多条件分页查询、预警状态批量确认、按时间段/空间范围统计预警数据，底层PostGIS实现经纬度多边形空间范围检索；IPAAS赋能中心MCP服务管理模块：提

模型转换与部署：实现了从PyTorch(.pt)到ONNX再到RKNN的完整模型转换链路，适配瑞芯微NPU硬件加速。多线程视频流处理：设计了图像采集、预处理、模型推理、结果后处理的并行流水线，最大化利用CPU与NPU资源。自适应视觉算法：集成了动态阈值分割与逆透视变换（IPM）算法，解决了复杂光照下

1.数据自动采集引擎：定时从电商平台抓取商品数据，支持多站点并发采集。2.数据处理管线：自动清洗、去重、分类、格式化，输出标准CSV/JSON文件。3.双通道支付系统：集成支付宝扫码支付和PayPal国际支付，付款后自动核验并跳转下载页。4.后台管理面板：实时监控数据量、订单记录、支付状态。5.自动

核心功能模块：1.多平台消息接入网关：支持企业微信、钉钉、Slack、Teams的Webhook消息接收，统一处理后进入AI意图识别流程。2.AI意图识别与结构化解析：基于LLM对自然语言消息进行意图分类（采购申请/库存查询/价格查询），提取物料编号、数量、用途等结构化字段，准确率高。3.自动生成采

DockerCompose封装GPU推理环境，支持WindowsWSL2显卡直通，一键完成CUDA、模型依赖部署；基于PyTorch实现5款量化大模型串行批量推理，内置显存自动回收逻辑，；导入自定义Prompt集合自动生成全部模型回答，导出可编辑Excel打分表；标准化0/1/2人工打分、双层质检，

在足球比赛直播聊天室中，根据当前场上的局势形势、目前为止已发生的事件、主播的意见以及有奖竞猜的回报率，用不同的语气特色和角度生成精彩的、有价值的赛事评论，并发送到聊天室频道中，以活跃气氛、鼓励用户的参与度。

负责大模型产用一体化平台二期的核心开发与实现，聚焦计算机视觉（CV）领域大模型全生命周期管理，打造覆盖“数据处理-模型训练-模型评测-算法发布”的全链条产用一体化解决方案，满足专业用户及高级用户的模型开发、优化与落地需求。平台核心支撑多目标检测、「检测+分类」模型训练，兼容视频流大模型算法训练，全面

1、基于染缸工艺温度要求的智能算法控制，节能与温度匹配，优化生产流程，提高染色质量2、实时查看染缸和燃烧器的运行状态及核心数据，实时跟踪燃烧器的工艺温控曲线，保障设备正常运行；识别工艺要求温度和实际温度偏差，自动运行智能算法来提升温度匹配度和稳定性，提升系统能效

平台包含四大核心功能模块：一是多模型私有化调度模块，本地离线运行DeepSeek、Qwen通义千问大模型，同时集成图像识别、语音识别服务；二是全域大数据汇聚模块，对接集团各大异构业务系统，统一采集、清洗、归集全量业务与文档数据；三是RAG智能知识库模块，构建企业私有资料库，搭配专业提示词工程优化回答

1.多平台分布式爬虫引擎：支持淘宝、京东、拼多多等主流电商平台，智能反爬策略（IP轮换、UA伪装、验证码识别）2.实时数据采集管道：Redis消息队列+Scrapy分布式架构，日处理数据量50万+3.可视化分析仪表盘：Vue3+ECharts构建，价格趋势、竞品监控、销量预测4.任务调度中心：定时采

前后端分离架构设计与核心开发：基于FastAPI构建高性能后端服务，使用Vue3开发响应式前端管理界面。通过RESTfulAPI实现前后端解耦，独立完成用户认证、文档管理、问答会话等10+核心接口设计与实现。结构化数据与向量数据双存储架构：使用MySQL存储用户信息、文档元数据、对话历史等结构化数据

通用数据采集工具，基于Python开发，支持多目标网站并行抓取。内置代理池轮换机制、User-Agent随机化和Cookie自动管理，有效规避反爬策略。支持定时任务调度，可按时间间隔自动执行采集任务。集成日志记录与异常告警机制，保证采集任务稳定运行。支持Docker一键部署，开箱即用。

系统包含五大模块：1）多型号LiDAR统一Capture抽象层，支持禾赛/速腾/Mid360/Fairy/Velodyne等7+型号；2）运动补偿与时间戳处理子模块，统一start_stamp/end_stamp填充与纳秒精度对齐；3）PTC优先+本地dat回退的标定参数加载兜底机制，保障LiDAR

某领域QB数据资源体系建设系统为涉密重点工程，搭建全生命周期数据管理体系，形成“采集—清洗—治理—应用”一体化闭环，包含五大核心功能模块。数据采集汇聚模块，支持多格式、多方式数据接入，兼具数据监控、采报、引接与管理能力，适配海量异构数据汇聚更新。智能数据治理模块，依托整编工作台、治理及模型引擎、数据

1. 依托YOLO算法实现图像、视频中的多类别目标自动识别与定位，精准框选出画面内指定物体​2. 支持自定义数据集训练，可按需识别不同品类目标，灵活调整模型识别精度与检测速度​3. 搭建可视化前端界面，直观展示识别画面、检测结果与统计信息​4. 依托云服务器搭建后端服务，提供算法调用接口，实现模型线

本项目主要包含目标检测、骨架提取、位姿解算和视频流处理四大功能模块，主要功能描述如下：1、系统基于YOLO-OBB算法，实现对目标工件的高精度掩膜提取。2、利用Ada-LSN网络，系统能够在复杂工况环境下精准提取出单工件的骨架点集。3、通过内置的多边形求交与拟合算法，系统能够高精度地量测出工件的倾斜

·数据采集与预处理模块：负责车载传感器（摄像头、雷达等）数据的采集、同步与切片处理·网络通信与稳定性测试模块：保障车载网络（如CAN、以太网）的稳定性和数据完整性·故障分析与诊断模块：通过自动化脚本分析车载数据，识别系统异常与故障模式·版本管理与刷写模块：支持日常系统版本的刷写、迭代与回归测试·场景

系统分为数据上报、算法模块、离线计算、web后端和web前端数据上报模块:将客户数据上传到系统，是数据的来源，分为用户数据，产品数据，行为数据算法模块:根据客户行为记录，利用算法模型训练数据，生成客户喜欢的产品离线计算模块:定期处理和统计用户数据，更新迭代算法模型web前后端:给客户使用的配置界面，

功能介绍：1.细长静电线链接CV算法识别（属于cv算法模型识别小目标中的细长特难目标检测）2.工作人员值守识别3.当装卸车作业时，未连接静电线就开始作业时，预警

系统包含文档上传与解析、知识库分类管理、向量检索、RAG智能问答、多轮对话、引用来源展示、后台权限管理、问答日志、常见问题沉淀和办公自动化任务触发等模块。用户可以上传PDF、Word、Markdown等资料，系统自动抽取文本并建立索引；提问时返回结构化答案并标注参考来源；管理员可维护知识库、查看使用